Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
BAB 2
LANDASAN TEORI
2.1 Teori – Teori Dasar / Umum
2.1.1 Data
Pengertian data menurut James A. O’Brien ( 2009, P 13 )
merupakan kumpulan dari datum, namun data juga mewakili baik
sebagai datum maupun sebagai kumpulan datum, Data adalah
kenyataan dari hasil pengawasan , atau hasil dari kejadian yang ada.
Pengertian data menurut Turban Rainer Porter ( 2005, P 17)
bahwa data merupakan fakta mentah atau deskripsi awal mengenai
barang, kegiatan, dan transaksi yang diperoleh, disimpan, dan
diklasifikasikan, namun tidak diorganisasikan untuk menyampaikan
arti yang spesifik.
Jadi data adalah kumpulan dari kumpulan fakta yang didapat
dari hasil pengawasan, atau kejadiaan yang diperoleh, disimpan, dan
diklasifikasikan, untuk menyampaikan arti yang spesifik.
2.1.2 Informasi
Pengertian informasi menurut James A. O’Brien ( 2009, P
Daftar Kosakata 9 ) data yang ditempatkan sebagai sebuah konteks
yang bermakna dan berguna bagi pengguna akhir .
Pengertian informasi menurut James A.Hall (2007, p605),
Informasi adalah fakta yang menyebabkan penggunanya melakukan
tindakan yang tidak akan dapat dilakukannya, atau tidak
dilakukannya.
5
6
Jadi, informasi adalah fakta yang telah diolah sehingga
bermakna untuk pengguna akhir walaupun mereka tidak
melakukannya.
2.1.3 Sistem Informasi
Pengertian sistem informasi menurut James A. O’Brien
(2009, P 7 ) kombinasi orang, perangkat keras, perangkat lunak,
jaringan komunikasi, dan sumber data yang mengumpulkan,
mengubah, dan menyebarkan informasi didalam sebuah organisasi.
Menurut Turban Rainer Porter (2005, p49), sistem informasi
adalah proses yang menjalankan fungsi mengumpulkan, memproses,
menyimpan, menganalisis, dan menyebarkan informasi untuk tujuan
tertentu.
Jadi, sistem informasi adalah kombinasi dari orang,
perangkat keras, perangkat lunak, jaringan komunikasi, dan sumber
data yang menjalankan fungsi mengumpulkan, memproses,
menyimpan, menganalisis, dan menyebarkan informasi.
2.1.4 Database
Pengertian database menurut James A. O’Brien (2009, P
Daftar Kosakata 4 ) adalah sebuah koleksi logika yang terintergrasi dan
berhubungan dengan data. Sebuah database dapat dikonsolidasikan
sebagai sekian banyak catatan yang disimpan terlebih dahulu di file
yang berbeda.
7
Pengertian database menurut Connolly( 2005, P 15 ) adalah
sebuah koleksi dari logika yang berhubungan dengan data, dan
deskripsi dari data tersebut yang didesain menurut kebutuhan
perusahaan.
Pengertian Mcleod (2007,P 181),database adalah suatu
kumpulan data komputer yang terintegrasi, diorganisasikan, dan
disimpan dengan suatu cara yang memudahkan pengambilan kembali
(retrival).
Jadi, database adalah koleksi logika yang berhubungan
dengan data yang didesain sesuai dengan kebutuhan perusahaan.
2.1.5 DBMS ( Database Management System )
Pengertian DBMS menurut Connolly( 2005, P 16 ) adalah sebuah
sistem software yang memungkinkan pengguna untuk define, create,
maintain, dan control akses kedalam database.
Pengertian DBMS menurut Kimball( 2002 , P 398) adalah sebuah
aplikasi komputer yang bertujuaan untuk menyimpan, mengambil, dan
memodifikasi data menjadi sangat terstruktur. Data dalam DBMS
biasanya terbagi oleh aplikasi.
Jadi, DBMS adalah sebuah aplikasi yang memungkinkan
pengguna untuk melakukan aktifitas menyimpan, mengambil, dan
memodifikasi data yang ada didalam database .
8
2.1.6 OLTP (Online Transaction Processing)
2.1.6.1 Pengertian OLTP (Online Transaction Processing)
Pengertian OLTP menurut Kimball (2002, P 408)
adalah gambaran asli dari segala aktifitas dan asosiasi sistem
dengan memasukan data yang dapat dipercaya ke dalam suatu
database. OLTP menggambarkan kebutuhan sistem dalam ruang
lingkup operasional dan merupakan proses yang mendukung
kegiatan bisnis sehari – hari .
OLTP dirancang untuk memungkinkan terjadinya
pengaksesan secara bersamaan oleh beberapa user atas sumber
data yang sama dan mengatur proses yang diperlukan. Seperti
yang dijelaskan oleh namanya, OLTP memungkinkan transaksi
untuk mengakses database secara langsung. Transaksi yang
dilakukan dapat berupa operasi insert, update, delete. Database
OLTP biasanya bersifat relasional dan yang paling penting
database OLTP dibangun untuk dapat menangani transaksi
dalam jumlah besar dengan tetap menjaga performa agar tetap
optimal.
2.1.6.2 Perbedaan OLTP dan Data Warehouse
Menurut S.Prahbhu.N Venatesan (2007, P 84)
perbedaan OLTP dengan Data Warehouse adalah :
9
Tabel 2.1 Perbedaan OLTP dan Data Warehouse
Sistem Data Warehouse Sistem OLTP
Dirancang untuk analisa bisnis ,
tindakan berdasarkan kategori dan
atribut
Dioptimalkan untuk beban masal dan
besar serta kompleks, permintaan
akses yang tidak terduga
Sarat dengan konsisten data yang
valid tidak memerlukan real time
Mendukung beberapa pengguna
secara bersamaan relatif terhadap
OLTP
Dirancang untuk real time operasi
bisnis
Dioptimalkan untuk seperangkat
transaksi, biasanya menambahkan
atau mengambil satu baris pada
suatu waktu pertabel
Dioptimalkan untuk validasi data
yang masuk selama transaksi
menggunakan validasi tabel
Mendukung ribuan pengguna
secara bersamaan
2.1.6.3 Perbedaan OLTP dan OLAP
Dibawah ini adalah tabel perbandingan OLTP dengan
OLAP ,menurut Connolly dan Begg (2005, P 1153 )
Tabel 2.1 Perbedaan OLTP dan OLAP
Sistem OLTP Sistem OLAP
Mengandung data terkini
Menyimpan data yang rinci
Datanya bersifat dinamis
Mengandung data history
Menyimpan data yang rinci,
singkat, dan sangat teringkas
Datanya bersifat statis
10
Proses berulang-ulang
Jumlah transaksi tinggi
Pola penggunaannya dapat diprediksi
Digunakan untuk transaksi
Berorientasi pada aplikasi
Mendukung keputusan sehari-hari
Digunakan oleh banyak user
operational
Prosesnya tidak terstruktur
Jumlah transaksi sedang dan kecil
Pola penggunaanya tidak dapat
diprediksi
Digunakan untuk analisa
Berorientasi pada subjek
Mendukung keputusan strategis
Digunakan oleh sedikit user
manajerial
Tabel 3.1 Perbandingan OLTP dan OLAP
2.1.7 Data Warehouse
2.1.7.1 Pengertian Data Warehouse
Pengertian Data Warehouse menurut Inmon ( 2005, P
29 ) adalah jantung dari lingkungan architected, dan merupakan
dasar dari semua proses DSS yang bersifat subject oriented,
integrated, nonvolatile, dan time-variant dari koleksi data yang
mendukung pengambilan keputusan .
Pengertian Data Warehouse menurut James A.
O’Brien ( 2009, P 697 ) adalah kumpulan data terpadu dari data
yang diambil dari database operational, history, dan eksternal,
yang dibersihkan, diubah, dan dikategorikan untuk penelusuran
dan analisis (penambangan data), untuk menyediakan
kecerdasan bisnis bagi para pengambil keputusan akhir
11
Jadi, Data Warehouse adalah sistem yang saling
berhubungan yang menjadi akses dari pengguna akhir. Dimana
Data Warehouse memiliki karakteristik subject oriented,
integrated, nonvolatile, dan time-variant
2.1.7.2 Karakteristik Data Warehouse
Karateristik Data Warehouse menurut Inmon ( 2005, P 31 )
Subject oriented adalah sistem operasi klasik disekitar
lingkungan aplikasi perusahaan.
Gambar 2.1 Subject Orientation
Integrated adalah data dari berbagai sumber informasi
diolah dengan cara dikonversi, reformatted , resequenced,
dan summarized .sehingga menjadi satu sumber didalam Data
Warehouse.
12
Gambar 2.2 Integration
Nonvolatile adalah data hanya bisa dimanipulasi
pada fase operasional data ,namun pada Data Warehouse data
tidak dapat dimanipulasi .
Gambar 2.3 Nonvolatility
Time Variance adalah setiap unit dari data didalam
data warehouse memiliki time stamp yang digunakan untuk
menandakan waktu pada data didalam data warehouse.
13
Gambar 2.4 Time Variance
2.1.7.3 Keuntungan Data Warehouse
Berdasarkan Connolly (2005, P 1152),
mengimplementasikan Data Warehouse dapat memberikan
manfaat seperti :
Keuntungan potensi yang besar dalam investasi
Suatu organisasi harus memiliki sumber daya dalam
jumlah besar untuk kesuksesan dalam mengimplementasikan
Data Warehouse dan jumlah biaya yang dikeluarkan bervariasi,
besarnya tergantung dari solusi teknik yang tersedia, tetapi
investasi dalam Data Warehouse dapat memberikan keuntungan
yang besar setelah pengimplementasiannya.
Keuntungan yang kompetitif
Keuntungan yang kompetitif dapat dicapai dapat dicapai
dengan memungkinkan para pengambil keputusan untuk
mengakses data yang dapat mengungkapkan data – data yang
belum tersedia, tidak diketahui, dan tidak tercatat
Meningkatkan kinerja para pengambil keputusan perusahaan
Dengan melakukan transformasi data menjadi informasi
yang berarti. Data Warehouse memungkinkan para manajer
14
bisnis melakukan analisa yang lebih konsisten, akurat, dan
substantive . Sehingga terjadi peningkatan produktivitas dari
pengambilan keputusan.
2.1.7.4 Struktur Data Warehouse
Gambar 2.5 Struktur data warehouse
Menurut Inmon (2002, P 35), data warehouse memiliki
beberapa tingkat detil data yaitu older level of detail, current
level of detail, lightly summarized data, dan highly summaried
data. Data dalam data warehouse berasal dari data operasional.
Sebelum data tersebut masuk dalam data warehouse, terjadi
proses transformasi dari tingkat data operasional menjadi tingkat
data warehouse.
Semakin lama suatu data disimpan, tingkat atau level
data tersebut akan berubah dari current detail data menjadi
older detail data. Jika data telah dirangkum (summarized), maka
current detail data akan berpindah menjadi tingkat lightly
summarized data , kemudian dari lightly summarized data
menjadi highly summarized data.
15
2.1.7.5 Arsitektur Data Warehouse
Menurut Connolly (2005, P 1156), komponen – komponen
utama sebuah Data Warehouse antara lain :
Operasional Data
Data untuk Data Warehouse berasal dari :
o Mainframe data operational yang berada pada tingkatan
database generasi pertama dan database jaringan.
Diperhatikan sebagian besar data operational perusahaan
disimpan pada sistem tersebut.
o Data departemen yang berada di sistem file DBMS
relasional (seperti SQL Server)
o Data pribadi yang berada di server dan workstation
pribadi.
o Sistem – sistem eksternal seperti internet, database yang
tersedia secara komersil, dan database yang
berhubungan dengan pemasok atau pelanggan
perusahaan.
Operational Data Store
Sebuah Operational Data Store (ODS) adalah sebuah
tempat penyimpanan data operasional terkini dan terintegrasi,
yang digunakan untuk kebutuhan analisis. ODS memiliki
struktur dan sumber data yang sama dengan Data Warehouse,
berperan sebagai tempat penyimpanan data yang telah di-
extract dari sistem sumber dan telah dibersihkan. Dengan
16
demikian, proses pengintegrasian dan rekrontruksi data untuk
Data Warehouse menjadi lebih sederhana.
Load Manager
Load Manager melakukan semua operasi yang
berhubungan dengan fungsi extracting / mengambil data dan
fungsi loading / meletakkan data kedalam Data Warehouse.
Data dapat di-extract dari sumber – sumber data atau pada
umumnya diambil dari operational data store. Operasi yang
dilakukan Load Manager dapat berupa transformasi data
yang sederhana untuk mempersiapkan pemasukan data ke
dalam Data Warehouse. Ukuran dan kompleksitas komponen
ini akan berbeda sesuai dengan Data Warehouse yang
dirancang dan dapat dibangun menggunakan kombinasi
antara vendor loading dan custom build program.
Warehouse Manager
Warehouse Manager melakukan suatu operasi yang
berhubungan dengan manajemen data dalam Data Warehouse
. Komponen ini dibangun menggunakan vendor dan
management tools dan custom build programs. Operasi yang
dilakukan oleh Data Warehouse Managemer berupa :
o Melakukan analisa data untuk menjaga konsistensi data.
o Melakukan transformasi dan penggabungan sumber data
dari penyimpanan sementara ke dalam tabel – tabel Data
Warehouse.
o Menciptakan index dan view pada base tables.
17
o Melakukan denormalisasi (jika diperlukan).
o Melakukan agregasi (jika diperlukan).
o Melakukan back-up dan archieve / back-up data
Query Manager
Query Manager melakukan semua operasi yang
berhubungan dengan Management user queries. Komponen
ini dibangun menggunakan vendor end-user data access
tools, Data Warehouse monitoring tools, fasilitas database,
dan custom build-in programs. Kompleksitas queries
manager ditentukan oleh fasilitas yang disediakan end-user
access tools dan database .Operasi yang dilakukan komponen
ini berupa pengarahan query pada tabel – tabel yang tepat dan
penjadwalan eksekusi query.
Detailed Data
Komponen ini menyimpan semua detil dalam
skema basis data. Pada umumnya beberapa data tidak
disimpan secara fisik, tetapi dapat dilakukan dengan cara
agregasi. Secara periodik data detil ditambahkan ke Data
Warehouse untuk mendukung agregasi data.
Lightly and Highly Summarized Data
Komponen ini menyimpan semua data yang
diringkas oleh warehouse manager. Data perlu diringkas
dengan tujuan untuk mempercepat proses query .Ringkasan
data terus diperbaharui seiring dengan adanya data yang baru
yang masuk ke dalam Data Warehouse.
18
Archive / Backup Data
Komponen ini menyimpan data detil dan ringkasan
data dengan tujuan untuk menyimpan dan back-up data.
Walaupun ringkasan yang diperoleh dari data mendetil,
ringkasan perlu di back-up juga apabila data tersebut
disimpan melampaui periode penyimpanan data detil. Data
kemudian dipindahkan ke media penyimpanan seperti
magnetic tape atau optical disc.
Metadata
Komponen ini menyimpan semua definisi metadata
(informasi mengenai data) yang digunakan dalam proses
dalam Data Warehouse . Metadata digunakan untuk berbagai
tujuan, antara lain :
o Proses extracting dan loading, metadata digunakan untuk
memetakan sumber data dalam Data Warehouse
o Proses manajemen warehouse, metadata digunakan untuk
menghasilkan tabel ringkasan (summarized table).
o Sebagai bagian dari proses manajemen query, metadata
digunakan untuk mengarahkan sebuah query pada sumber
data yang tepat.
End-User Acces Tools
Tujuan utama dari Data Warehouse adalah dengan
menyediakan informasi bagi pengguna untuk pembuatan
keputusan yang strategis dalam berbisnis. Para pengguna
berinteraksi dengan Data Warehouse menggunakan end-user
19
access tools. Berdasarkan kegunaan Data Warehouse,
terdapat lima kategori end-user tools, yaitu :
o Reporting and Quey Tools
Reporting tools meliputi production reporting tools
dan report writers . Production reporting tools digunakan
untuk menghasilkan laporan operational secara berkala.
Query tools untuk relational Data Warehouse dirancang
untuk menerima SQL atau menghasilkan SQL statements
untuk proses query data yang tersimpan di warehouse.
o Application Development Tools
Application development tools menggunakan
graphical data access tools yang dirancang khusus untuk
lingkungan client-server . Beberapa aplikasi perlu
diintegrasikan dengan OLAP tools, dan dapat mengakses
semua sistem basis data utama.
o Executive Information System (EIS) Tools
EIS sering dikenal dengan ‘everyone’s information
systems’ (sistem informasi untuk semua orang). Awalnya
dikembangkan untuk mendukung pembuatan keputusan
top level yang strategis. Akan tetapi, seiring berjalannya
waktu EIS meluas untuk medukung seluruh tingkat
manajemen . EIS tools pada awalnya berhubungan
dengan mainframes yang memungkinkan para pengguna
untuk menyediakan sebuah overview mengenai data
perusahaan dan akses pada sumber data eksternal. Kini,
20
EIS banyak dilengkapi dengan fasilitas query dan
menyediakan custom build applications. Untuk area
bisnis seperti penjualan, pemasaran, dan keuangan.
o Online Analytical Processing (OLAP)
OLAP tools didasarkan pada konsep basis data
yang bersifat multidimensi dan memperbolehkan
pengguna untuk menganalisis data dari sudut pandang
yang kompleks dan multidimensi . Alat bantu ini
mengasumsikan bahwa data diatur dengan model
multidimensi yang khusus (MDDB) atau sebuah
relasional basis data yang dirancang untuk
memungkinkan query multidimensi.
o Data Mining Tools
Data mining adalah proses menemukan korelasi, pola,
dan tren yang baru yaitu dengan melakukan penggalian
pada sejumlah data menggunakan teknik statistik,
matematis, dan artificial intelligence (AI). Data mining
memiliki potensi untuk menggantikan kemampuan OLAP
tools.
21
Gambar 2.6 Arsitektur Data Warehouse (Connolly)
Menurut Inmon (2005, P 16) ada 4 level arsitektur didalam data
warehouse yaitu :
Operational data : pada level ini data berorintasi pada data
primitif saja dan digunakan pada proses high-performance
transaction .
Data warehouse : pada level ini data mengandung integrasi,
history data primitif yang tidak dapat diupdate, beberapa
derived data dapat ditemukan pada level ini.
Departmental atau datamart : pada level ini mengandung
hampir seluruh derived data . pada level ini data warehouse
dibentuk berdasarkan end-user requirement .
Individual : pada level ini tempat terjadinya heuristic analisis
.
22
Gambar 2.7 Level of Architecture
Gambar 2.8 Contoh penerapan Data Warehouse pada customer
Dari gambar 2.7 kita bisa mengetahui bahwa pada level
operasional ada record mengenai customer bernama J. Jones.
Dimana pada level ini juga mengandung data pada saat itu juga
yang bisa di-update berulang kali.
Pada tahap data warehouse ini terdapat beberapa
record dari J. Jones.Contoh data warehouse dapat mencari data
mengenai dimana J. Jones tinggal tahun lalu. Pada tahap ini
data bersifat sebagai history dari data operasional.
Pada tahap data mart berisi jumlah pelanggan
perbulannya ( berdasarkan keperluan dari end user ). Pada tahap
23
Individual kita melakukan analisis dari tiap customer untuk
mengetahui tren pasar.
2.1.7.6 Bentuk Data Warehouse
Untuk dapat memutuskan data warehouse seperti apa yang akan
dipakai dalam sebuah perusahaan, terlebih dahulu seorang DBA
harus mengetahui akan kebutuhan yang diperlukan oleh
perusahaan tersebut dalam menjalankan aplikasi yang ingin
dirancangnya. Bentuk- bentuk data warehouse menurut Deliana
(2009, P 185) antara lain:
1. Functional Data Warehouse
Data warehouse ini dibuat berdasarkan fungsi yang
berada di dalam perusahaan. Contohnya seperti, fungsi
keuangan atau finansial, marketing, pemasaran, HRD, dan
lain-lain.
Keuntungan membangun data warehouse bentuk ini
adalah harganya relatif murah, serta pembuatan sistemnya
yang tidak terlalu sulit. Sedangkan kerugianya adalah resiko
dalam konsistensi data serta terbatasnya pengumpulan data
bagi pengguna.
24
Gambar 2.9 Data Warehouse Functional
2. Centralized Data Warehouse
Sekilas bentuk ini terlihat menyerupai data warehouse
functional, bedanya adalah data yang terdapat pada
centralized data warehouse terlebih dahulu dikumpulkan atau
diintergrasikan pada satu tempat (terpusat atau centralized),
setelah itu barulah datanya dipisahkan berdasarkan fungsi-
fungsi yang dibutuhkan oleh perusahaan.
Keuntungan menggunakan bentuk ini adalah datanya
yang konsisten, karena data yang ada didalamnya benar-
benar terpadu. Sedangkan kerugiannya adalah perlu waktu
yang cukup lama serta biaya yang tinggi untuk membangun
sebuah centralized data warehouse.
25
Gambar 2.10 Data Warehouse Centralized
3. Distributed Data Warehouse
Distributed data warehouse menggunakan gateway
yang berfungsi sebagai jembatan atau penghubung antara
source (lokasi data dari data warehouse) dengan workstation
yang menggunakan sistem yang beraneka ragam dan berbeda,
sehingga memungkinkan bagi pengguna untuk dapat
mengakses sumber data yang berada di luar lokasi
perusahaan.
Keuntungan distributed data warehouse adalah
memungkinkan adanya pengaksesan data dari luar
perusahaan, karena sebelumnya telah dilakukan sinkronasi
terlebih dahulu pada data yang ada di dalamnya agar tetap
konsisten. Kerugiannya adalah harga yang mahal,serta sistem
pembuatan yang kompleks dibandingkan dengan bentuk-
bentuk data warehouse lainnya.
26
Gambar 2.11 Data Warehouse Distributed
2.1.7.7 Metodologi Perancangan Data Warehouse
Sembilan tahap metodologi dalam perancangan
database untuk data warehouse menurut Connoly( 2005, P
1187), yaitu :
Langkah 1 : Pemilihan proses
Data mart yang pertama kali dibangun haruslah data mart
yang dapat dikirim tepat waktu dan dapat menjawab semua
pertanyaan bisnis yang penting.
Langkah 2 :Pemilihan sumber
Untuk memutuskan secara pasti apa yang diwakili atau
direpresentasikan oleh sebuah tabel fakta.
Langkah 3 : Mengidentifikasi dimensi
Set dimensi yang dibangun dengan baik, memberikan
kemudahan untuk memahami dan menggunakan data mart.
Dimensi ini penting untuk menggambarkan fakta-fakta yang
terdapat pada tabel fakta.
27
Langkah 4 : Pemilihan fakta
Sumber dari sebuah tabel fakta menentukan fakta mana yang
bisa digunakan dalam data mart. Semua fakta harus
diekspresikan pada tingkat yang telah ditentukan oleh
sumber.
Langkah 5 : Menyimpan pre-kalkulasi fakta
Hal ini terjadi apabila fakta kehilangan statement.
Langkah 6 : Melengkapi tabel dimensi
Pada tahap ini kita menambahkan keterangan selengkap-
lengkapnya pada tabel dimensi. Keterangannya harus bersifat
intuitif dan mudah dipahami oleh pengguna.
Langkah 7 : Pemilihan durasi database
Penentuan berapa lama data yang akan di simpan
Langkah 8 : Menelusuri perubahan dimensi yang perlahan
Ada tiga tipe perubahan dimensi yang perlahan,yaitu :
o Tipe 1. Atribut dimensi yang telah berubah tertulis
ulang.
o Tipe 2. Atribut dimensi yang telah berubah
menimbulkan sebuah dimensi baru.
o Tipe 3. Atribut dimensi yang telah berubah
menimbulkan alternatif sehingga nilai atribut lama
dan yang baru dapat diakses secara bersama pada
dimensi yang sama.
Langkah 9 : Menentukan prioritas dan mode query
Pada tahap ini kita menggunakan perancangan fisik.
28
2.1.8 Aliran Data dalam Data Warehouse
Menurut Connolly (2005, P 1161), Data Warehouse memiliki fokus
pada manajemen lima arus data primer, yaitu :
Inflow
Merupakan proses ekstraksi, pembersihan, dan pengisian data
dari sumber data ke dalam Data Warehouse. Proses inflow ini
berkonsentrasi pada proses mengambil data dari sumber sistem dan
memasukkannya ke dalam Data Warehouse. Cara lainnya yaitu data
dimasukkan ke dalam Operational Data Store (ODS) sebelum
dikirim ke Data Warehouse .Proses rekontruksi ini meliputi :
o Membersihkan data kotor
o Rekonstruksi data untuk dicocokan dengan kebutuhan dari Data
Warehouse, contohnya : menambah atau membuang field – field,
dan denormalisasi.
o Memastikan bahwa sumber data konsisten dengan dirinya
sendiri dan dengan data lainnya yang sudah ada di Data
Warehouse .
Upflow
Merupakan penambahan nilai ke dalam data di Data
Warehouse melalui peringkasan, pemaketan, dan distribusi data.
Aktifitas yang berhubungan dengan upflow, yaitu sebagai berikut :
o Meringkas data dengan proses memilih, memperhitungkan,
menggabungkan, dan mengelompokkan data relational ke dalam
tampilan yang lebih berguna bagi user.
29
o Pengepakan data dengan mengubah data detil ke dalam format
yang lebih berguna seperti spreadsheets, teks dokumen,
diagram, tampilan grafik yang lain, database pribadi, dan
animasi.
o Mendistribusikan data ke kelompok – kelompok yang tepat
untuk meningkatkan ketersediaan dan dapat diakses.
Downflow
Merupakan proses mengambil dan mem-backup data dalam
Data Warehouse, meyimpan data lama memainkan peranan yang
penting di dalam mempertahankan penampilan dan efektifitas dari
Data Warehouse dengan mengirimkan data lama dengan nilai yang
terbatas ke sebuah tempat penyimpanan seperti magnetic tape dan
optical disk. Downflow dari data juga meliputi proses yang
memastikan bahwa kondisi yang sekarang dari Data warehouse
dapat dibangun kembali jika terjadi kehilangan data, kegagalan
software dan hardware.
Outflow
Merupakan proses membuat data agar tersedia bagi end user.
Outflow merupakan kondisi dimana manfaat dari Data Warehouse
benar – benar dirasakan oleh sebuah organisasi.
Dua aktifitas kunci terdapat pada outflow yaitu sebagai berikut :
o Pengaksesan, dimana berhubungan dengan proses memuaskan
end user dengan menyediakan data yang dibutuhkan oleh
mereka. Yang menjadi perhatian utama yaitu membuat suatu
lingkungan jadi user dapat dengan efektif menggunakan query
30
tool untuk mengakses sumber data yang paling tepat. Frekuensi
dari pengaksesan ini dapat bervariasi mulai dari ad hoc, secara
rutin, sampai real time. Selain itu juga harus dipastikan bahwa
sumber sistem digunakan dengan cara yang paling efektif di
dalam menjadwalkan pengeksekusian terhadap query dan user .
o Pengiriman, dimana berhubungan dengan secara aktif
mengirimkan informasi ke workstation dari user. Ini merupakan
area yang baru dari Data Warehouse dan sering dihubungkan
dengan proses publish dan subscribe.Data Warehouse akan
mem-publish objek bisnis yang bermacam – macam dan user
akan men-subscribe terhadap objek bisnis yang dibutuhkan
mereka.
Metaflow
Merupakan proses manajemen Metadata. Metaflow merupakan
proses yang memindahkan metadata (data tentang flow yang
lainnya). Metadata merupakan deskripsi dari data yang ditampung
di dalam Data Warehouse, apa yang telah dilakukan terhadap data
tersebut dengan cara cleansing, integrating, dan summarizing.
2.1.9 Perbedaan Model Relasional dan Model Multi Dimensional
Perbedaan model relasional dengan model multi
dimensional, menurut Inmon (2002, P 358)
Model relasional adalah hubungan antara tabel-tabel oleh foreign
key pada masing-masing tabel tersebut. relasi foreign key adalah
hubungan dasar bagi data yang identik di kedua tabel, data yang
31
ada di relasional model berbentuk data yang dapat
dinormalisasikan. Relasional model membuat sebuah desain untuk
Data Warehouse yang sangat fleksibel. Dengan database yang
sebagai acuan utamanya, dan lainnya berdasarkan relasional model.
Elemen-elemen dari data dapat di bentuk menjadi berbagai macam
jenis.
Model multi dimensional sering disebut dengan star joint
approach, struktur star joint ini direpresentasikan dalam sebuah
“bintang” dimana terdapat satu pusat dan beberapa struktur data
yang tersebar, yang menjadi pusatnya yang menyimpan kejadian
dalam bentuk data, lalu yang mengelilingi tabel fakta itu adalah
dimensi-dimensi dimana dimensi itu merupakan kejadian dari tabel
fakta.
2.1.10 Agregasi dan Denormalisasi
Agregasi
Pengertian agregasi menurut Whitten (2004, P 436 ) agregasi
adalah sebuah hubungan dimana suatu kelas “whole” yang lebih
besar berisi satu atau lebih kelas “part” yang lebih kecil atau,
kelas-kelas “part” yang lebih kecil adalah bagian kelas “whole”
yang lebih besar.
Denormalisasi
Pengertian denormalisasi menurut Inmon (2002, P 389) adalah
teknik penempatan data normalisasi di lokasi physical yang
mengoptimalkan kinerja sistem.
32
Pengertian denormalisasi menurut Connoly (2005, P 520)
mengacu pada perbaikan skema relational sehingga tingkat
normalisasi hubungan dimodifikasi untuk kurang dari tingkat
setidaknya satu dari hubungan asli. Dapat juga menggunakan
jangka waktu lebih lama untuk merujuk pada situasi dimana bisa
menggabungkan dua relasi ke dalam hubugan baru dan hubungan
baru masih ternormalisasi tetapi mengandung nilai null lebih dari
hubungan asli. Alasan untuk melakukan denormalisasi :
Mengurangi jumlah dari hubungan yang terjadi antara tabel -
tabel, yang menyebabkan harus mengalami proses pada waktu
dilakukan pencarian.
Untuk membuat struktur fisik dari database semakin mendekati
model dimensi dari pemakai
Membuat struktur tabel sesuai dengan yang ditanyakan oleh
pemakai, memungkinkan terjadinya akses langsung.
Sedangkan kelemahan yang timbul bila memakai konsep
denormalisasi tentunya memerlukan memory space (tempat
penyimpanan) yang besar sehingga hal ini secara tidak
langsung akan membuat redundasi data.
2.1.11 Metadata
Pengertian metadata menurut Inmon (2002, P 103) adalah
komponen penting dalam lingkungan Data Warehouse, yang
merupakan bagian dari pemrosesan informasi selama masih terdapat
program dan data.
33
Metadata memungkinkan penggunanya / DSS analyst untuk
melihat berbagai macam kemungkinan. Dengan bantuan metadata user
dapat langsung menemukan data yang diinginkan atau mengetahui
data itu tidak ada.
2.1.12Star Schema
Pengertian star schema menurut Inmon (2002, P 139) adalah
struktur desain yang diperlukan untuk mengelola sejumlah besar data
yang berada di dalam sebuah entity dalam data mart. Denormalisasi
biasanya dilakukan ketika ada sejumlah entitas yang berhubungan
dengan tabel dimensi yang sering diakses, untuk menghindari overhead
karena harus menggabungkan tabel tambahan untuk mengakses atribut.
Pengertian star schema menurut Connoly (2005, P 1183) adalah
struktur logika yang memiliki tabel fakta yang berisi data faktual yang
berada pada tengah diagram dan dikelilingi oleh tabel dimensi yang
berisi data refrensi ( dimana data dapat didenormalisasi).
2.1.13 ETL(Extract, Transform, Loading)
Menurut Turban (2011, P67) ETL merupakan salah satu proses
yang penting dalam data warehouse. Tujuan dari ETL adalah untuk
melengkapi data warehouse dengan data yang telah disaring dan diolah.
Data yang digunakan dalam proses ETL dapat berasal dari berbagai
sumber , contohnya mainframe application, ERP application, CRM
tool, data Excel, atau kumpulan pesan. Proses ETL terdiri 3 proses
yaitu :
34
Extraction
Langkah pertama pada proses ETL adalah mengekstrak data
dari sumber – sumber data. Kebanyakan proyek data warehouse
menggabungkan data dari sumber – sumber yang berbeda. Sistem
yang terpisah – pisah ini mungkin saja menggunakan format data
yang berbeda. Sistem yang terpisah – pisah ini mungkin saja
menggunakan format data yang berbeda sehingga perlu dilakukan
ekstraksi. Ekstraksi adalah mengubah data dalam suatu format
yang berguna untuk proses transformasi.
Transformation
Mengubah data menggunakan serangkaian aturan atau fungsi untuk
mengekstrak data menjadi bentuk yang diperlukan, sehingga data
tersebut dapat diproses dalam data warehouse.
Load
Fase load adalah fase dimana data dimasukkan ke dalam data
warehouse. Jangka waktu proses ini tergantung pada kebutuhan
perusahaan. Misalnya dalam suatu bagian, menentukan waktu
setiap minggu untuk memindahkan data operasional ke dalam data
warehouse, sedangkan bagian lain bisa saja menentukan waktu
setiap jam untuk memasukkan data ke dalam data warehouse.
Waktu dan jangkauan untuk mengganti atau menambah data
tergantung dari perencanaan data warehouse pada waktu
menganalisis kebutuhan informasi.
2.2 Teori Khusus
35
2.2.1 Problem Solving
Elemen-elemen dalam problem solving menurut Mcleod
(2007, P 161), yaitu:
Desired State : Suatu keadaan dimana sistem dapat memenuhi
tujuan pembuatannya, dan juga keadaan dimana sistem memenuhi
kebutuhan para manajer.
Current State : Keadaan sistem yang sedang berjalan, dan
informasi apa saja yang sudah dicapai oleh sistem.Apabila terjadi
perbedaan antara Desired State dengan Current State maka akan
timbul masalah dan harus diselesaikan.
Solution Criterion : Perbedaan antara Desired State dan Current
State adalah kriteria yang menuntun sistem dari Current State
menuju Desired State
2.2.2 Executive Information System (EIS)
Executive Information System (EIS) adalah sebuah sistem yang
menyediakan informasi untuk para eksekutif dalam bentuk rangkuman
informasi pada perusahaan. Informasi dapat dengan mudah diambil dan
disediakan dalam berbagai tingkat kedetilannya.
2.2.3 Pengertian Persediaan
Pengertian persediaan menurut Sofjan Assauri (2008, P 237)
Persediaan merupakan sejumlah bahan-bahan, parts yang disediakan
dan bahan-bahan dalam proses yang terdapat dalam perusahaan untuk
36
proses produksi, serta barang-barang jadi/produk yang disediakan untuk
memenuhi permintaan dari komponen atau langganan setiap waktu.
2.2.4 Jenis Persediaan
Menurut Zulian Yamit (2008, P 3) meyatakan bahwa
“persediaan terdiri dari persediaan alat-alat kantor (supplies), persediaan
bahan baku (raw material), persediaan barang dalam proses (in-process
goods) dan persediaan barang jadi (finished goods)”.
Menurut Sofjan Assauri (2008, P 240) Persediaan itu dapat
pula dibedakan atau dikelompokkan menurut jenis dan posisi barang
tersebut di dalam urutan pengerjaan produk, yaitu :
1. Persediaan bahan baku (raw material stock), yaitu persediaan
barang-barang berwujud yang digunakan dalam proses produksi,
barang mana yang diperoleh dari sumber-sumber alam ataupun
dibeli dari supplier atau perusahaan yang menghasilkan bahan
baku bagi perusahaan yang menggunakannya.
2. Persediaan bagian produk atau parts yang dibeli (purchased
parts/komponen stock), yaitu persediaan barang-barang yang
terdiri atas parts yang diterima dari perusahaan lain, yang dapat
secara langsung di-assembling dengan parts lain, tanpa melalui
proses sebelumnya.
3. Persediaan bahan-bahan pembantu atau barang-barang
perlengkapan (supplies stock) yaitu persediaan barang-barang atau
bahan-bahan yang diperlukan dalam proses produksi untuk
membantu berhasilnya produksi atau yang dipergunakan dalam
37
bekerjanya suatu perusahaan, tetapi bukan merupakan bagian atau
komponen dari barang jadi.
4. Persediaan barang setengah jadi atau barang dalam proses (work
in process/process stock), yaitu persediaan barang-barang yang
keluar dari tiap-tiap bagian dalam suatu pabrik atau bahan-bahan
yang telah diolah menjadi suatu bentuk, tetapi lebih perlu diproses
kembali untuk kemudian menjadi barang jadi.
5. Persediaan barang jadi (finished goods stock), yaitu persediaan
barang-barang yang telah selesai diproses atau diolah dalam
pabrik dan siap untuk dijual kepada pelanggan atau perusahaan
lain.
2.2.5 Pemasaran
Pengertian pemasaran menurut Kotler (2008 , P 5) adalah
sebuah proses perusahaan mencipatakan nilai untuk konsumennya dan
membangun hubungan kuat dengan tujuan untuk menciptakan nilai
keuntungan konsumen .
Pengertian pemasaran menurut Kurtz (2008 , P 7) adalah
fungsi organisasi dan sebuah proses untuk menciptakan,
mengkonsumsi, dan mengirimkan nilai untuk konsumen dan mengatur
hubungan dengan konsumen sebagai cara menguntungkan perusahaan
dan juga pihak berkepentingan.